Data Mesh – datengetriebene Wertströme aufsetzen

Business Value generieren – und das so effizient wie möglich. Dieses Ziel haben viele Unternehmen vor Augen. Mutige digitale Companies machen sich dafür einen besonderen Ansatz zunutze: nämlich den Data-Mesh-Ansatz. Damit stellen sie Daten in den Mittelpunkt ihrer Wertschöpfung; und nicht einzelne Projekte. 

Definition – Was ist Data Mesh?

Data Mesh ist im Kontext einer Organisation ein dezentraler Ansatz für den Umgang mit Datenverantwortlichkeiten. Dabei ist der Data Mesh Ansatz nicht nur ein technologischer, sondern ein soziotechnologischer, d.h. die organisatorischen Komponenten spielen eine gleichwichtige Rolle wie die technologischen Komponenten. Konkret ist es ein Architekturmuster, das analytische Daten als primäres Gut betrachtet. Das Ziel: Die Nutzung dieser Daten über mehrere Teams und Organisationseinheiten hinweg vereinfachen und Agilität sowie Handlungsfähigkeit auch bei unerwarteten Entwicklungen sowie Wachstum beibehalten.

Jede Domäne beziehungsweise jeder Fachbereich ist in dieser Struktur selbst vollumfänglich für seine Daten verantwortlich. Mit anderen Bereichen kommunizieren sie über klar definierte Schnittstellen. Diese Methode hilft gerade Digitalunternehmen dabei, wertstromorientiert zu arbeiten. Die entsprechenden Teams können einzelne Dienste oder Produkte damit unabhängig voneinander entwickeln, bereitstellen und skalieren.

Team Topologien – Teams richtig organisieren

Eine wichtige Rolle in diesem Kontext spielen Team Topologien. Sie helfen dabei, die Teams und Rollen innerhalb des Data Meshs zu organisieren und zu koordinieren. Ihre Aufgabe: Die Zusammenarbeit und die Kommunikation zwischen den Teams verbessern und die Entwicklung und Verwaltung von Datenprodukten erleichtern.

Damit der Data-Mesh-Ansatz in Organisationen funktioniert, braucht es auf die einzelnen Wertströme ausgerichtete Teams. Idealerweise nutzen Unternehmen ihre Produktorganisation als Grundlage und etablieren dezidierte Produktteams entsprechend der vorhandenen Wertströme.

Grundprinzipien – So wird Data Mesh gepaart mit den passenden Team Topologien ein Erfolg

Der Data-Mesh-Ansatz baut auf einigen Grundprinzipien auf. Sind diese Prinzipien sichergestellt, sind die Weichen für eine schnelle und effiziente Produktentwicklung gestellt und Teams möglichst reibungslos Datenprodukte entwickeln und Wertschöpfung daraus generieren können.

1.    Dezentral

Einer der Grundgedanken ist Dezentralität. Das heißt: Firmen verwalten Daten dezentral in den einzelnen Domänen – und nicht, wie in klassischeren Organisationsstrukturen, zentral in der IT. So stellen sie sicher, dass jeder Wertstrom die richtigen Daten in der richtigen Qualität zur richtigen Zeit bekommt. Somit können sich die einzelnen Wertströme in ihrem Tempo entwickeln und skalieren.

2.    Data Domains

Resultierend aus der dezentralen Datenorganisation ist die Company in sogenannte “Datendomänen” unterteilt. Das heißt, jede Domäne bzw. jeder Funktionsbereich trägt die Verantwortung für die benötigten Daten, verwaltet sie und stellt sie innerhalb des Bereichs bereit. Diese Aufgabe übernimmt hier nicht – wie häufig üblich – die IT-Abteilung. Der Zweck: Verschiedene Domänen sind so klar getrennt. Dieses Vorgehen hilft Teams, sich voll und ganz auf ihren Dienst oder ihr Produkt zu fokussieren, es zu verstehen und zu entwickeln.

3.    Data Product Team

Der Dreh- und Angelpunkt der datengetriebenen Organisation sind Data Product Teams. Generell gilt: Die Datenhoheit (Data Ownership) liegt immer in den Produktteams einer Domäne. Sie darf nicht zentral in der IT-Abteilung liegen. Dennoch benötigt man einige unterstützende Rollen, die außerhalb der Produktteams laufen.

Data Engineers beispielsweise befähigen Teams darin, in ihrer Rolle als Datenproduzent:in oder Datenempfangende umzugehen. Das heißt: Sie helfen den Teams, die vorhandenen Daten so aufzubereiten, dass sie sie analysieren und auswerten können So vereinfachen sie die Arbeit mit den Daten und tragen zur Wertschöpfung bei.

Data Scientists hingegen entwickeln mit den Product Ownern und Data Product Teams neue, innovative Geschäftsmodelle rund um Daten. Sie sind Impulsgebende und Wegbereitende für eine neue Produktstrategie.

Aus der Praxis wissen wir: Auch in dieser Struktur braucht es Regeln für den Umgang mit Daten. Das Konstrukt einer Daten-Community ist jedoch zu schwach in seiner Wirkung. Erfolgreiche datengetriebene Organisationen haben deshalb einen "Regelorchestrierenden" den Data Steward oder Data Governor. Diese sollten – wo nötig – als unterstützende Funktionen im Team verankert sein. Sie sollten aber organisatorisch ein gemeinsames zu Hause finden – sprich nicht in den jeweiligen Produktteams verankert sein. So lässt sich die Silofizierung von Datenprodukten vermeiden.

Darum lohnt es sich – Vorteile auf organisatorischer und technischer Ebene

Richtig aufgesetzt bietet Data Mesh Vorteile auf zwei Ebenen: auf der organisatorischen und auf der Technischen Ebene. Auf Organisationslevel ermöglicht es, einzelne Wertströme fokussiert zu verfolgen und zu entwickeln, dass sie den größtmöglichen Ertrag bringen – unabhängig von der Entwicklung der anderen Produkte oder Dienste.

Auch auf technischer Ebene kann die Vorgehensweise dazu beitragen, hohen Business Value zu generieren. Denn: Der Ansatz fußt auf einer robusten und zuverlässigen Netzwerkverbindung, die auch bei Ausfall einzelner Komponenten noch funktioniert. Dies kann zu einer verbesserten Verfügbarkeit von Geschäftsprozessen und Anwendungen führen, was wiederum zu einem höheren Kundenzufriedenheitsniveau und einer höheren Produktivität beitragen kann.

Alle konkreten Vorteile auf einen Blick  

1.    Verbesserte Datenintegrität und –konsistenz ... 
… durch die Definition und Durchsetzung klarer Richtlinien und Standards für die Verwaltung und den Austausch von Daten.  

2.    Erhöhte Datenverfügbarkeit und -zugänglichkeit ... 
… dank einheitlicher, zentraler Datenquellen, die verschiedene Teams und Abteilungen nutzen.  

3.    Steigerung der Effizienz und Produktivität ... 
... da Redundanzen und Inkonsistenzen in der Datenverarbeitung und –analyse vermieden werden.  

4.    Schnellere Produktentwicklung …
… durch die Förderung der Zusammenarbeit und des Wissensaustauschs in transparenten und offenen Strukturen und Prozesse

5.    Erhöhung der Flexibilität und Skalierbarkeit ... 
… durch die Möglichkeit, schnell auf sich ändernde Anforderungen und Herausforderungen zu reagieren.  

6.    Stärkung der datengetriebenen Entscheidungsfindung und Innovation ... 
… durch die Bereitstellung von qualitativ hochwertigen und aussagekräftigen Daten. 

7. Vermeidung unnötiger, hausgemachter Komplexität sowie effektives und effizientes Handeln und Umsetzen …
… durch die passende Produkt-, Daten- und Teamaufstellung.

Data Mesh – Einblick in die Praxis

Data Mesh ist eine Lösung für Unternehmen, die aus sehr großen Datenmengen Wertschöpfung generieren wollen. Häufig sind diese mit klassischen Ansätzen wie Data Warehouses und Data Lakes an ihre Grenzen gestoßen. Das heißt: Es gelingt ihnen nicht mehr, Daten in großem Umfang und in vielen Bereichen des Unternehmens zeitnah und reibungslos zu nutzen.

Data Mesh ist ein Ansatz, dieser Komplexität zu begegnen.

Stabile Datenplattform – Diese soziotechnolgischen Voraussetzungen braucht es

Data Mesh, wie jeder andere Ansatz auch, ist kein Allheilmittel und funktioniert nur dann besonders gut, wenn bestimmte Voraussetzungen gegeben sind.

Zwei grundsätzliche Faktoren sollten in jedem Fall gegeben sein, um die Chance eines positiven Effekts zu gewährleisten: 1.) Das Verständnis, dass Technologie und Daten Kernbestandteil der Geschäftsprozesse sind, muss gegeben sein. Und 2.) Die Organisation muss domänorientiert aufgestellt sein.

Weitere Voraussetzungen  

1. Unternehmen sehen Maschinelles Lernen und Data Analytics als wesentliches Unterscheidungsmerkmal an  

Bei Data Mesh handeln und entscheiden Produktteams und Domänen datengetrieben. Dazu braucht es eine Datenvision, bei der Machine Learning und Data Analytics eine entscheidende Rolle spielen. Deshalb braucht es eine strategische Datenvision und Teams und Bereich, die bereit sind, Verantwortung für ihre Daten zu übernehmen.

1. Unternehmen treten Veränderungen mutig entgegen 

Data Mesh erfordert Veränderungen und diese erzeugen Widerstand. Jede Veränderung dieser Größe ruft daher auch Kritiker:innen und Blockierer:innen auf den Plan. Das ist normal und in Ordnung. Die Organisation muss jedoch ermutigt werden, die Art und Weise zu ändern, wie Mitarbeitende bisher gearbeitet haben. Dies geht nicht ohne die Unterstützung durch die Geschäftsleitung und eine Einbeziehung der Führungskräfte von oben nach unten.

1. Unternehmen sehen Technologien als Kernbestandteil an 

Daten zu teilen und zu nutzen ist bei Data Mesh der Kern jeder Geschäftsfunktion. Unternehmen müssen sicherstellen, dass die erforderlichen Technologien dafür bereitstehen und – nicht zu vernachlässigen – Mitarbeitende die Fähigkeiten haben, sie anzuwenden.

1. Unternehmen leben moderne Daten- und Analytics-Technologien und Praktiken  

Data Mesh baut auf den Prinzipien der modernen Softwareentwicklung auf. Das heißt:  kontinuierliche und automatisierte Bereitstellung, DevOps-Praktiken, verteilte Architekturen, Verfügbarkeit moderner Datenspeicher und Datenverarbeitungstools in der privaten oder öffentlichen Cloud – all das sollten keine Fremdwörter, sondern gelebte Praxis sein.

Data Mesh in Unternehmen – Diese Branchen profitieren am meisten

Es liegt auf der Hand: Besonders Digitalunternehmen und Firmen, die Wertschöpfung datengetrieben angehen, profitieren von dieser Methode. Sie alle verfügen bereits über ein gewisses Maß an technologischer und geschäftlicher Ausrichtung oder sie sind auf dem Weg dorthin. Da Data Mesh noch ein junges Konzept ist, begreifen sich Anwendende häufig als Early Adopters und sind vergleichsweise risikofreudig.

Deswegen nutzen ihn gerade Companies aus der Finanzbranche oder dem E-Commerce. Hier gibt es schon verhältnismäßig viele digitale Unternehmen. Aber auch Anbietende großer Portale und Plattformen können davon schon jetzt profitieren. Klassische Industrie- oder versicherungsunternehmen werden wohl noch einen weiten Weg gehen müssen, bis sie ihre Wertschöpfung datengetrieben verfolgen. Dabei liegt gerade hier großes, ungenutztes Potenzial.

Data Mesh wäre beispielsweise für Versicherungsbranche besonders wertstiftend. Der Grund: Die Aufteilung in Sparten und das Potenzial von digitalen Produkten. Aber auch in der Logistik gibt es Potential, denn deren Wertstrom und Planbarkeit hängt maßgeblich von der Güte der Daten ab. Unternehmen, die hier mutig vorangehen und auf Data Mesh setzen, könnten ihre Marktposition deutlich verbessern.

In a nutshell – Dezentale Datenarchitektur für schnelle Skalierbarkeit und Flexibilität

Data Mesh ist ein relativ neuer Ansatz für die Datenarchitektur von Microservices. Im Gegensatz zu den weit verbreiteten zentralisierten Datenarchitekturen bietet er viele Vorteile. Denn die dezentralere Vorgehensweise ermöglicht eine größere Skalierbarkeit, Ausfallsicherheit und Flexibilität bei der Entwicklung und Bereitstellung von Diensten. Auf diese Weise ermöglicht schnelle, innovative und nachhaltige Produktentwicklung.

Darüber hinaus verhindert dieses Vorgehen Datenchaos. Die klare Struktur mit Datendomänen, Datenproduktteams sowie die Einführung entsprechender Team Topologien und notwendiger Rollen stellt sicher, dass die Daten ordnungsgemäß verwaltet werden. Nur so können sie effektiv und verantwortungsvoll genutzt werden und die Wertschöpfung positiv beeinflussen.